基于层次地图模型的改进蚁群路径规划

针对大规模环境中蚁群算法存在搜索空间大、易陷入局部最优等问题,设计了一种基于层次地图模型的改进蚁群算法。首先,基于K-means聚类算法进行地图预处理并构造了由底层与高层地图构成的层次地图模型,依据当前区域精细搜索、远处区域粗略搜索的策略获取非完整路径,使高层路径为路径搜索方向提供指引;其次,将层次地图中的路径搜索策略引入蚁群算法的状态转移过程中,由此减小蚁群算法的搜索空间,同时改进了所设计蚁群算法的启发函数,提升路径平滑度;最后,仿真结果表明改进后的蚁群算法避免了传统蚁群算法易陷入局部最优的问题,在大规模环境中有较好可行性与有效性。

基于双向搜索的改进蚁群路径规划算法

针对移动机器人在复杂地图环境中移动耗时长、易陷入局部最优等问题,设计了一种基于双向搜索的改进蚁群路径规划算法。基于K-means算法对地图预处理,量化地图的局部复杂度程度,并将局部环境信息融合到状态转移概率函数,使机器人优先选择在复杂程度小的区域进行寻优,减少路径拐点。设定双向搜索规则,改进启发函数,提高算法的局部方向搜索精度和全局搜索效率。针对蚁群算法中蚂蚁遇到U障碍物陷入死锁的问题,提出死锁判断系数,增加了有效蚂蚁的数量,进一步提高了算法性能。仿真结果表明所设计的算法在复杂地图环境中相较于传统蚁群算法移动机器人的路径搜索效率更高。